C++ 数据结构算法 学习笔记(28) -五大常规算法 - 动态规划算法
人工智能时代,各国都在大力研究机器人技术,也制造出各种各样的机器人,比如:为了解决男女失衡而制造 的美女机器人,假如你参与了某美女机器人的研发,你在这个项目中要求实现一个统计算法:如果美女机器人一次可以上1级台阶,也可以一次上2级台阶。求美女机器人走一个n级台阶总共有多少种走法。
分治法核心思想: :从上往下分析问题,大问题可以分解为子问题,子问题中还有更小的子问题
比如总共有5级台阶,求有多少种走法;由于机器人一次可以走两级台阶,也可以走一级台阶,所以我们可以分成两个情况
- 机器人最后一次走了两级台阶,问题变成了“走上一个3级台阶,有多少种走法?”
- 机器人最后一步走了一级台阶,问题变成了“走一个4级台阶,有多少种走法?”
我们将求n级台阶的共有多少种走法用f(n)来表示,则
f(n)=f(n-1)+f(n-2);
由上可得f(5)=f(4)+f(3); f(4)=f(3)+f(2);
f(3)=f(2)+f(1);
边界情况分析
走一步台阶时,只有一种走法,所以f(1)=1 走两步台阶时,有两种走法,直接走2个台阶,分两次每次走1个台阶,所以f(2)=2 走两个台阶以上可以分解成上面的情况 这符合我们讲解的分治法的思想:分而治之
代码实现
#include <stdio.h>
#include <stdlib.h>
#include <iostream>
#include <string>
using namespace std;
int WalkCount(int n) //This method taking a lot of memory!
{
if (n < 0) return 0;
if (n == 1) return 1;
if (n == 2) return 2;
else
{
return WalkCount(n - 2) + WalkCount(n - 1);
}
}
long long WalkCount2(int n) //Use the dynamic programming method
{
long long ret = 0;
if (n < 0) return 0;
if (n == 1) return 1;
if (n == 2) return 2;
long long* values = new long long[n + 1];
values[0] = 0;
values[1] = 1;
values[2] = 2;
for (int i = 3; i <= n; i++)
{
values[i] = values[i - 1] + values[i - 2];
}
ret = values[n];
delete [] values;
return ret;
}
int main()
{
int n = 0;
cout << "Please enter the stage level number" << endl;
cin >> n;
for (int i = 1; i < n; i++)
{
cout << "Walking to the stage of "<<i<<" have " << WalkCount2(i) << " method" << endl;
}
system("pause");
return 0;
}
上面第一个函数WalkCount
其实是一个很耗内存+很吃栈的程序,原因是它存在了很多重复的计算
比如: f(5)=f(4)+f(3)
计算分成两个分支:
f(4)=f(3)+f(2)=f(2)+f(1)+f(2);
f(3)=f(2)+f(1);
上面加粗的部分就是重复计算的部分!
问:有没有办法避免重复计算的部分?
答:有,其实我们可以从下向上分析推断问题
f(1)=1
f(2)=2
f(3)=f(1)+f(2)=3
f(4)=f(3)+f(2)=3+2=5
f(5)=f(4)+f(3)=5+3=8
因此,函数WalkCount2
实现了这类的求解,这就是动态规划法!!!
动态规则法
动态规划也是一种分治思想,但与分治算法不同的是,分治算法是把原问题分解为若干子问题, 自顶向下,求解各子问题,合并子问题的解从而得到原问题的解。动态规划也是自顶向下把原问 题分解为若干子问题,不同的是,然后自底向上,先求解最小的子问题,把结果存储在表格中, 在求解大的子问题时,直接从表格中查询小的子问题的解,避免重复计算,从而提高算法效率。
什么时候要用动态规划?
如果要求一个问题的最优解(通常是最大值或者最小值),而且该问题能够分解成若干个子问题, 并且小问题之间也存在重叠的子问题,则考虑采用动态规划。
怎么使用动态规划?
五步曲解决:
- 判题题意是否为找出一个问题的最优解
- 从上往下分析问题,大问题可以分解为子问题,子问题中还有更小的子问题
- 从下往上分析问题,找出这些问题之间的关联(状态转移方程)
- 讨论底层的边界问题
- 解决问题(通常使用数组进行迭代求出最优解)